Успех потребителей как обман | Великое разочарование: когда искусственный интеллект терпит неудачу на заводском конвейере

«Иллюзия мышления»: почему ажиотаж вокруг ChatGPT потерпел крах на заводском конвейере

Пока мир восхищается творческими возможностями ChatGPT, в реальной экономике разворачивается совершенно другая драма. Новые данные показывают, что мечта о революции ИИ в промышленности грозит стать самым дорогостоящим разочарованием в истории цифровых технологий.

После золотой лихорадки наступает похмелье. Три года генеративный искусственный интеллект доминировал в заголовках новостей, взвинчивал цены на акции и намекал на эру безграничной производительности. Но любой, кто заглянет за кулисы блестящих технологических демонстраций и увидит, где происходит реальное создание ценности — в производственных цехах, логистических центрах и балансах предприятий, — испытает неприятное пробуждение.

То, что работает как полезный чат-бот в частной жизни, часто с треском проваливается в сложных механизмах промышленного производства. Цифры тревожны: согласно недавним исследованиям MIT и McKinsey, в то время как технологические гиганты вкладывают триллионы в центры обработки данных, 95 процентов внедрений ИИ в компаниях оказываются неэффективными. Вместо обещанного взрыва эффективности мы наблюдаем взрывной рост затрат без какой-либо отдачи от инвестиций.

От «пробела в знаниях» и отсутствия стратегий работы с данными до капитуляции немецких МСП: эта статья безжалостно разоблачает, почему пузырь искусственного интеллекта может вот-вот лопнуть, почему искусственный интеллект часто лишь имитирует «иллюзию мышления» и почему 2026 год станет поворотным для всего технологического сектора. Анализ широко распространенного разочарования — и вопрос о том, что останется после ажиотажа.

Подходит для:

• «Структурное банкротство»? Убыточный бизнес ChatGPT: шокирующая правда о бизнес-модели OpenAI

Почему мечта об автоматизированном заводе становится самым дорогим разочарованием в истории цифровых технологий

После трех лет безудержного ажиотажа вокруг ChatGPT и генеративного искусственного интеллекта намечается переломный момент. То, что провозглашалось революцией в производительности, все чаще демонстрирует классическую модель технологической гиперболы: впечатляющие демонстрационные эффекты сталкиваются с отрезвляющими реалиями бизнеса. В то время как миллионы людей по всему миру используют искусственный интеллект для обработки текста, изображений и выполнения повседневных цифровых задач, обещанный прорыв так и не материализовался там, где происходит реальное создание экономической ценности — в производственных цехах, на сборочных линиях и в сложных промышленных процессах.

Цифры говорят сами за себя. Анализ McKinsey за 2025 год показывает всю степень несоответствия: хотя 78 процентов компаний сейчас используют искусственный интеллект в той или иной форме, столь же большая часть не может обнаружить никакой измеримой пользы. Массачусетский технологический институт идет еще дальше в своем всестороннем исследовании, приходя к тревожному выводу: 95 процентов всех корпоративных внедрений ИИ не оказывают никакого влияния на отчет о прибылях и убытках. Только пять процентов пилотных проектов переходят из фазы тестирования в реальную готовность к производству. Здесь проявляется не временная трудность адаптации, а структурный сбой с глубоко укоренившимися причинами, который будет иметь далеко идущие последствия.

Успех потребителя как обман

Широкое распространение искусственного интеллекта в частной сфере создало опасную иллюзию. По данным OpenAI, в сентябре 2025 года еженедельно ChatGPT будет насчитывать ошеломляющие 800 миллионов пользователей, что в восемь раз больше, чем в ноябре 2023 года. В Германии 64% населения используют чат-боты или голосовых помощников на основе ИИ как минимум раз в неделю; среди людей в возрасте от 16 до 29 лет этот показатель возрастает до 89%. Эти впечатляющие темпы внедрения создают впечатление успешно зарекомендовавшей себя технологии. Однако это впечатление в корне ошибочно, если учесть реальную ценность, которую она создает.

Потребительское использование сосредоточено на приложениях с низким экономическим эффектом: ответы на повседневные вопросы, создание текста для личных целей и генерация изображений для развлечения. 87 процентов пользователей используют исключительно бесплатные версии сервисов. Уже один этот факт иллюстрирует ограниченную готовность платить и, следовательно, воспринимаемую экономическую ценность. Хотя OpenAI генерирует впечатляющий годовой доход в размере примерно 12 миллиардов долларов, этот успех обусловлен прежде всего огромным количеством пользователей и корпоративных лицензий, а не очевидным повышением производительности в реальной экономике.

Настоящее испытание для искусственного интеллекта заключается не в создании контента для социальных сетей или ответах на тривиальные вопросы, а в сложных условиях промышленного производства, логистики и управления производством. Здесь системам приходится справляться с физическими процессами, разнообразным ассортиментом продукции, меняющимися техническими характеристиками и сложными машинными экосистемами. И именно здесь становятся очевидными сбои.

Парадокс производительности возвращается

В настоящее время наблюдается тревожное повторение явления, известного экономистам еще с 1980-х годов: парадокс Солоу. Лауреат Нобелевской премии Роберт Солоу в 1987 году сделал знаменитое замечание о том, что компьютерная эра видна повсюду, кроме статистики производительности труда. Эта парадоксальная ситуация повторилась с цифровизацией в 2000-х годах. Согласно данным ОЭСР, несмотря на масштабные инвестиции в цифровизацию, производительность труда в Германии росла всего на 0,7 процента в год в период с 2010 по 2018 год. В период с 1992 по 2010 год она даже снижалась на 1,55 процента в год.

Сейчас мы наблюдаем третью итерацию этого парадокса производительности, на этот раз с искусственным интеллектом в качестве предполагаемого фактора, способного изменить правила игры. Анализ McKinsey, проведенный в 2025 году, показывает, что 92 процента компаний увеличат свои инвестиции в ИИ, однако лишь один процент уже внедрил его в зрелом виде. Более того, 67 процентов сообщают, что как минимум одна инициатива в области ИИ привела к снижению общей производительности. Эти цифры демонстрируют катастрофическое несоответствие между объемом инвестиций и фактической отдачей.

Причины этого повторяющегося парадокса многогранны. Фундаментальная проблема кроется в самой природе современных систем искусственного интеллекта. В настоящее время доминирующие модели обработки больших языков основаны на статистическом распознавании образов в обучающих данных, а не на систематическом логическом рассуждении или подлинном понимании. Исследование Apple от июня 2025 года кратко резюмировало эту проблему: даже так называемый объяснимый ИИ, который пошагово описывает процесс решения задач, создает лишь иллюзию мышления. Это фундаментальное ограничение делает системы ненадежными для приложений, где точность и согласованность имеют решающее значение — именно те качества, которые необходимы в промышленных производственных процессах.

Неудача в индустриальной реальности

Внедрение искусственного интеллекта в производственные среды сталкивается с рядом постоянных препятствий, которые невозможно преодолеть простыми технологическими улучшениями. Исследование Массачусетского технологического института (MIT) определяет так называемый разрыв в обучении как основную проблему: большинство систем ИИ не могут учиться на основе оперативной обратной связи, адаптироваться к меняющимся условиям или совершенствоваться со временем. Девяносто процентов опрошенных корпоративных пользователей предпочитают сотрудничество с людьми искусственному интеллекту для сложных долгосрочных проектов, поскольку системы требуют значительных входных данных каждый раз при использовании и не создают устойчивого контекста.

Этот структурный недостаток усугубляется рядом организационных и технических факторов. Немецкий экономический институт (IW) и различные отраслевые исследования рисуют последовательную картину: 76 процентов малых и средних предприятий (МСП) сталкиваются с недостаточным качеством данных и фрагментированными хранилищами данных. 68 процентов не имеют хорошо разработанной стратегии в области ИИ. 82 процента сообщают о значительном дефиците квалифицированных специалистов в области ИИ. В настоящее время в Германии наблюдается нехватка 244 000 специалистов в области STEM (наука, технология, инженерия и математика), включая 29 500 IT-специалистов. Эти цифры показывают, что проблема выходит далеко за рамки технологических ограничений.

Для успешного внедрения ИИ в производственном предприятии необходим целый ряд предварительных условий: высококачественные, структурированные и интегрированные данные из различных источников; техническая инфраструктура для сбора, хранения и обработки этих данных; специалисты, обладающие опытом как в области анализа данных, так и в специфических производственных процессах; организационные структуры для управления изменениями и обеспечения принятия ИИ; а также четкие рамки управления, определяющие распределение обязанностей и управление рисками. Если отсутствует хотя бы один из этих элементов, проекты с высокой вероятностью потерпят неудачу.

Реальность в немецких производственных компаниях отрезвляет. Исследование, проведенное Кобленцским университетом, показывает, что хотя две трети из 120 опрошенных компаний уже сообщают об использовании ИИ, 80 процентов из них делают это всего около двух лет. Более детальный анализ производственной практики показывает, что процессы на основе ИИ пока остаются далекой перспективой для большинства производственных компаний. Самым большим препятствием является консолидация и доступность данных, за которыми следует нехватка квалифицированных кадров, что еще больше усугубляет и без того ограниченные ИТ-ресурсы.

Резкий рост затрат без окупаемости инвестиций

Наряду с отсутствием операционных преимуществ, инвестиционные затраты растут до головокружительных масштабов. Глобальные расходы на центры обработки данных для ИИ оцениваются в 600 миллиардов долларов в 2025 году и, по прогнозам, вырастут до 3-4 триллионов долларов к 2030 году. Это представляет собой ежегодный темп роста в 46 процентов. McKinsey даже прогнозирует потребность в 7 триллионах долларов к 2030 году только на инфраструктуру центров обработки данных. OpenAI в рамках своей инициативы Stargate совместно с Oracle и Softbank планирует инвестировать в центры обработки данных 500 миллиардов долларов. Генеральный директор Meta Марк Цукерберг ожидает, что к 2028 году затраты составят 600 миллиардов долларов.

Эти огромные суммы в конечном итоге должны окупиться. Компания Sequoia Capital подсчитала, что индустрии ИИ необходимо получать 600 миллиардов долларов годового дохода, чтобы оправдать текущие инвестиции, — препятствие, которое кажется практически непреодолимым в краткосрочной перспективе. Goldman Sachs выступил с суровыми предупреждениями о том, что инвестиции в ИИ на сумму 1 триллион долларов могут не принести ожидаемой прибыли. Аналитик Джим Ковелло выразился прямо: чрезмерное увлечение тем, что миру не нужно или к чему он не готов, обычно заканчивается плохо.

Особенно проблематична энергетическая составляющая. Цены на мощность в важнейшем регионе PJM в США выросли до 329 долларов за мегаватт-день на 2026/2027 год, что почти в девять раз больше по сравнению с 2025/2026 годом. Это критическое давление на повышение эффективности вынуждает крупных поставщиков электроэнергии немедленно внедрять энергоэффективные архитектуры. Однако даже при улучшенных архитектурах в середине 2026 года надвигается пиковый рост, когда объем предложения, обусловленный капитальными затратами, будет расти быстрее, чем монетизированное потребление. В этом сценарии стоимость токена может приблизиться к нулю, что приведет к быстрой девальвации вновь созданных мощностей для выполнения вычислительных операций.

Ситуация напоминает пузырь доткомов начала 2000-х, когда масштабные инвестиции в оптоволоконные кабели привели к избыточным мощностям, которые так и не были полностью использованы. Многие из недавно построенных центров обработки данных для ИИ могут постигнуть подобная участь, если спрос не будет развиваться прогнозируемыми темпами. Цикл ажиотажа Gartner, хорошо зарекомендовавший себя инструмент прогнозирования технологических циклов, предполагает, что искусственный интеллект может вступить в свою третью фазу, фазу разочарования, в 2026 году. На этой фазе ограничения и высокие затраты становятся очевидными, проблемы масштабирования и отсутствие жизнеспособных бизнес-моделей приводят к провалу многих проектов и исчезновению поставщиков.

Немецкий средний класс капитулирует

В то время как технологические гиганты продолжают вкладывать миллиарды в искусственный интеллект, в немецких малых и средних предприятиях (МСП) наблюдается примечательная тенденция: стратегическое отступление. Опрос 200 МСП, опубликованный в январе 2026 года консалтинговой компанией Horvath, показывает, что в 2025 году эти компании потратят на технологии ИИ всего 0,35% своей выручки, по сравнению с 0,41% в 2024 году. Это означает, что МСП инвестируют примерно на 30% меньше, чем рынок в целом, и этот разрыв увеличивается.

Причины такого развития событий весьма показательны. Геополитическая напряженность дестабилизировала многие средние компании и сместила их акцент на оптимизацию затрат. Однако, что еще важнее, первые применения ИИ, возможно, не принесли ожидаемого повышения эффективности. Хайко Финк, руководитель исследования и член совета директоров Horvath, категорически предупреждает: если трансформация с использованием ИИ не будет значительно ускорена сейчас, технологический разрыв превратится в экзистенциальный стратегический риск.

Проблемы, с которыми сталкиваются малые и средние предприятия (МСП), многогранны и глубоко укоренены. Бюрократические препятствия и медленный прогресс в цифровизации значительно затрудняют внедрение ИИ. Опасения по поводу защиты данных и цифрового суверенитета еще больше препятствуют его внедрению. Комплексное исследование МСП, посвященное ИИ, начиная с 2025 года, рисует тревожную картину: хотя 86 процентов признают актуальность ИИ, только 23 процента успешно реализовали конкретные проекты в этой области. Лишь 32 процента имеют хорошо разработанную стратегию в области ИИ, и только 19 процентов создали специального менеджера или команду по ИИ.

Проблемы с данными оказываются серьезной ахиллесовой пятой. 76 процентов малых и средних предприятий (МСП) сталкиваются с недостаточным качеством данных и разрозненностью данных между системами. 83 процента не имеют комплексной стратегии работы с данными. 69 процентов даже не знают, какие данные им нужны для приложений ИИ. 58 процентов не имеют структур управления данными. Эти цифры показывают, что проблема начинается задолго до фактического внедрения ИИ: отсутствует базовая цифровая инфраструктура.

К этому добавляется дефицит в сфере управления. Хотя 91 процент считают безопасность и соответствие нормативным требованиям в области ИИ критически важными, у 76 процентов отсутствует система управления ИИ. Это несоответствие представляет собой значительный юридический и репутационный риск, особенно в свете Закона ЕС об ИИ, вступившего в силу в августе 2024 года. Хотя этот регламент создает необходимую основу для ответственного использования ИИ, многие компании воспринимают его как чрезмерное регулирование, ставящее их в невыгодное конкурентное положение по сравнению с США и Китаем. В то время как европейские компании борются с дебрями новых правил, технологические гиганты в Северной Америке и Азии продолжают пользоваться сравнительной свободой действий.

Новое измерение цифровой трансформации с «Управляемым ИИ» (искусственным интеллектом) – платформа и решение B2B | Xpert Consulting - Изображение: Xpert.Digital

Здесь вы узнаете, как ваша компания может быстро, безопасно и без высоких барьеров для входа внедрять индивидуальные решения на основе ИИ.

Управляемая платформа ИИ — это ваш комплексный и простой в использовании пакет решений для искусственного интеллекта. Вместо того, чтобы разбираться со сложными технологиями, дорогостоящей инфраструктурой и длительными процессами разработки, вы получаете готовое решение, адаптированное под ваши потребности, от специализированного партнера — часто в течение нескольких дней.

Краткий обзор основных преимуществ:

⚡ Быстрое внедрение: от идеи до внедрения в эксплуатацию — всего за несколько дней, а не месяцев. Мы предлагаем практичные решения, которые приносят мгновенную пользу.

🔒 Максимальная безопасность данных: Ваши конфиденциальные данные остаются у вас. Мы гарантируем безопасную и соответствующую требованиям обработку данных без передачи третьим лицам.

💸 Отсутствие финансового риска: вы платите только за результат. Высокие первоначальные вложения в оборудование, программное обеспечение или персонал полностью исключены.

🎯 Сосредоточьтесь на своей основной деятельности: сосредоточьтесь на том, что у вас получается лучше всего. Мы возьмём на себя всю техническую реализацию, эксплуатацию и обслуживание вашего ИИ-решения.

📈 Перспективность и масштабируемость: ваш ИИ растёт вместе с вами. Мы обеспечиваем постоянную оптимизацию и масштабируемость, а также гибко адаптируем модели к новым требованиям.

Подробнее об этом здесь:

• Управляемое решение на основе ИИ — промышленные услуги ИИ: ключ к конкурентоспособности в секторах услуг, промышленности и машиностроения

Где искусственный интеллект действительно создает добавленную стоимость

Несмотря на в целом неутешительную картину, существуют области и сценарии использования, где искусственный интеллект, как доказано, приносит дополнительную ценность. Однако эти истории успеха носят весьма специфический характер и следуют узнаваемым закономерностям, которые значительно отличаются от провалившихся массовых проектов.

Исследование IBM, проведенное в октябре 2025 года, показывает, что 62% компаний в Германии уже добиваются значительного повышения производительности благодаря ИИ. Почти половина ожидает ощутимой отдачи от инвестиций в течение двенадцати месяцев, главным образом за счет повышения удовлетворенности сотрудников, экономии времени и увеличения доходов. Исследование SAP приходит к аналогичным выводам: средняя рентабельность инвестиций в ИИ составляет 16% в первый год и, как ожидается, почти удвоится до 31% в течение двух лет. 64% респондентов заявили, что удовлетворены текущей рентабельностью инвестиций, что выше, чем при любых других технологических инвестициях.

Однако эти позитивные показатели значительно нивелируются, если внимательнее присмотреться к тому, где и как создается ценность. Исследование Массачусетского технологического института выявило важную закономерность: успешные внедрения ИИ сосредоточены на автоматизации внутренних процессов, а не на грандиозных обещаниях революционных изменений в производственных процессах. Наибольшую отдачу демонстрируют автоматизация документооборота, процессы закупок и оценка рисков. Успешные внедрения позволяют экономить от двух до десяти миллионов долларов в год за счет сокращения аутсорсинга бизнес-процессов. Затраты агентств снижаются на 30 процентов, когда инструменты ИИ берут на себя творческие и аналитические задачи.

Подходит для:

• От экспериментов к масштабированию и индустриализации: корпоративный ИИ 2026 как поворотный момент на пути к структурированным бизнес-операциям

Фундаментальная проблема выявляется в распределении инвестиций

Более половины бюджетов, выделяемых на генеративный ИИ, тратится на маркетинг и продажи, хотя автоматизация внутренних процессов зачастую приносит более высокую отдачу. Это нерациональное распределение средств является симптомом внедрения технологий, движимого ажиотажем, а не рациональным анализом затрат и выгод.

В самом промышленном производстве успехи носят спорадический характер и ограничены конкретными областями применения. Прогностическое техническое обслуживание, использующее данные с оборудования для раннего обнаружения износа или неисправностей, демонстрирует ощутимые результаты. Автопроизводители, такие как Volkswagen, используют ИИ на своих заводах для анализа данных с датчиков, минимизируя незапланированные простои. Ford использует ИИ для автоматизации производственных процессов, таких как сварка и сборка. General Motors сократила время простоя на 20 процентов благодаря прогностическому техническому обслуживанию.

Контроль качества с использованием компьютерного зрения — еще одна область, где доказаны успехи. Системы с поддержкой ИИ анализируют изображения с камер в режиме реального времени и обнаруживают даже микроскопические дефекты, значительно повышая надежность. Анализ показывает, что полностью внедренная инфраструктура ИИ может обеспечить возврат инвестиций в размере от 200 до 300 процентов за счет сокращения дефектов и ускорения циклов контроля. Оптимизация цепочки поставок и запасов обеспечивает возврат инвестиций в размере от 150 до 250 процентов за счет предотвращения дефицита и улучшения управления цепочкой поставок.

Важно отметить, что эти успехи достигаются не за счет простой установки стандартных решений на основе ИИ по принципу «подключи и работай», а благодаря глубокой, индивидуальной интеграции в конкретные процессы, сопровождаемой значительным управлением изменениями и непрерывной адаптацией. Данные MIT показывают, что внешние партнерства достигают готовности к внедрению примерно в два раза чаще, чем внутренние разработки: 67% против 33%. Успешные покупатели рассматривают поставщиков ИИ не как разработчиков программного обеспечения, а как деловых партнеров и оценивают успех по бизнес-результатам, а не по техническим показателям.

Теневая экономика искусственного интеллекта как индикатор

При более тщательном анализе моделей использования выявляется любопытный феномен: в 90 процентах опрошенных компаний сотрудники используют частные инструменты ИИ для своей работы, хотя только 40 процентов компаний получили официальные лицензии на ИИ. Эта так называемая теневая экономика ИИ демонстрирует фундаментальное противоречие: отдельные лица могут успешно использовать ИИ, если инструменты гибкие и удобны в использовании. Институциональное внедрение, с другой стороны, терпит неудачу из-за сложности, отсутствия интеграции и организационных барьеров.

Этот параллельный мир неофициального использования ИИ имеет несколько последствий. Во-первых, он демонстрирует, что сама технология может быть полезной, если она легкодоступна. Во-вторых, он выявляет масштабную проблему управления: 81 процент компаний не имеют руководящих принципов использования инструментов ИИ. 64 процента обеспокоены конфиденциальностью данных. 73 процента не могут измерить прирост производительности. 58 процентов сообщают о проблемах с качеством результатов работы ИИ. Без целостной концепции рабочего места с использованием ИИ теневые ИТ-системы и неэффективные инструментальные среды представляют собой реальный риск.

Несоответствие между использованием системы отдельными потребителями и неудачными внедрениями на предприятиях является симптомом основной проблемы искусственного интеллекта в его нынешнем виде. Системы оптимизированы для простых, индивидуальных сценариев использования с низким риском и сложностью. Однако они систематически терпят неудачу, когда их необходимо интегрировать в сложные организационные контексты с высокими требованиями к качеству и надежности. Так называемый разрыв в обучении — неспособность систем учиться на обратной связи и адаптироваться к контексту — делает их непригодными для долгосрочных, сложных проектов, которые доминируют на промышленных предприятиях.

Отраслевые различия

Анализ, проведенный Массачусетским технологическим институтом, выявляет еще одну важную закономерность: только две из девяти изученных отраслей — технологии и медиа — демонстрируют подлинные структурные изменения благодаря искусственному интеллекту. В семи других отраслях, включая обрабатывающую промышленность, трансформация остается труднодостижимой, несмотря на значительную пилотную деятельность. Это отраслевое расхождение не случайно, а отражает фундаментальные различия в сложности и требованиях.

Технологические и медиакомпании работают в цифровой среде со структурированными данными, высокой степенью стандартизации процессов и короткими циклами итераций. Их бизнес-модели основаны на программном обеспечении и цифровых услугах, а не на физических продуктах со сложными цепочками поставок и производственными процессами. Они располагают большими командами специалистов по анализу данных и экспертов в области искусственного интеллекта. Их организационная культура ориентирована на быстрое внедрение технологий. Все эти факторы способствуют успешной реализации ИИ.

Производственные и промышленные компании сталкиваются с совершенно разными проблемами. Производственная среда определяется нюансами: изменчивый ассортимент продукции, меняющиеся технические характеристики, колеблющийся спрос и сложные экосистемы оборудования. Когда модели ИИ игнорируют эти реалии, ложные срабатывания множатся, а доверие работников подрывается. По оценкам Совета лидеров в производстве, большая часть реальных производственных данных остается неиспользованной. Когда контекст упускается из виду, ИИ подвержен дорогостоящим ошибкам, таким как классификация шума процесса как дефекта или игнорирование подлинных сигналов для улучшения.

К этому добавляется проблема фрагментации ИТ и ОТ-инфраструктуры. Архитектуры, существующие уже несколько десятилетий, часто изолируют операционные технологические системы, генерирующие машинные данные, от информационных технологических систем, отвечающих за технологические процессы и бизнес-данные. Эта фрагментация скрывает важные сигналы и означает, что модели ИИ работают с частичным, устаревшим или противоречивым представлением о производственной реальности. Преодоление этих структурных барьеров требует масштабных инвестиций в инфраструктуру, которые окупятся только в долгосрочной перспективе.

Исследование Deloitte «Умное производство 2025» показало, что 92% производителей считают, что интеллектуальное производство станет движущей силой будущей конкурентоспособности, но 84% не могут автоматически реагировать на данные. Опрос S&P Global сообщает, что 42% организаций отказались от большинства инициатив в области ИИ к 2025 году, по сравнению с всего 17% в 2024 году. В отчете RAND за 2024 год делается вывод, что более 80% промышленных проектов в области ИИ терпят неудачу, что объясняется сложностью процессов, низким качеством данных и отсутствием реального контекста.

Масштабы нарушенных обещаний

Чтобы в полной мере оценить масштабы этого разочарования, стоит вернуться к обещаниям, данным в 2023 и 2024 годах. В январе 2025 года генеральный директор OpenAI Сэм Альтман триумфально объявил в своем блоге, что они теперь знают, как создавать искусственный общий интеллект. Он утверждал, что агенты ИИ окажут заметное влияние на результаты компании уже в том же году. Затем, в ноябре 2025 года, Альтман назвал значительным достижением то, что ChatGPT наконец-то смог корректно обрабатывать дефисы. Это расхождение между ожиданиями и реальностью наглядно демонстрирует, насколько далеки были ожидания от реальных возможностей.

Институт экономических исследований Consult, по заказу Google, прогнозировал, что использование генеративного ИИ может увеличить валовую добавленную стоимость в немецком производственном секторе до 7,8 процента, что эквивалентно 56 миллиардам евро. Однако реальность совершенно иная. Производительность труда в машиностроении и других областях производственного сектора практически не изменилась с 2018 года, увеличиваясь всего на 0,4 процента в год. Пока что никаких признаков отдачи от ИИ не наблюдается.

Компания McKinsey предсказала, что ИИ повысит производительность и откроет огромные возможности для мировой экономики. Goldman Sachs, напротив, предупредил, что, несмотря на высокую стоимость, эта технология далека от того, чтобы быть полезной. Излишества в отношении вещей, которые миру не нужны или к которым он не готов, обычно заканчиваются плохо. Венчурная фирма Sequoia и хедж-фонд Elliott уже считают, что технологические компании находятся на грани пузыря.

Критические голоса в научном сообществе становятся все громче. Когнитивный ученый Гэри Маркус предупреждает, что, хотя все больше компаний экспериментируют с этой технологией, они не видят существенных улучшений. Исследование Forrester прогнозирует, что около четверти запланированных инвестиций в ИИ будут отложены к 2026 году. Boston Consulting Group рисует картину стагнации, приобретенной дорогой ценой: лишь ничтожно малый процент компаний до сих пор смог преобразовать свои огромные инвестиции в реальную добавленную стоимость.

Структурные причины отказов

Анализ неудачных проектов в области искусственного интеллекта выявляет устойчивую закономерность структурных причин, которые невозможно устранить путем итеративного совершенствования алгоритмов. Главным препятствием является отсутствие управления. Большинство компаний рассматривают искусственный интеллект как еще один ИТ-проект, а не как экосистему, требующую постоянного обслуживания. Отсутствуют четкие обязанности, системы управления рисками и механизмы обеспечения непрерывного контроля качества.

Проблема зрелости данных представляет собой второе фундаментальное препятствие. Анализ, проведенный технологическими компаниями на основе более чем 20 000 часов исследований в более чем 50 компаниях, показывает, что только 14 процентов обладают необходимыми основами для успешного внедрения ИИ. Большинство сталкиваются с проблемой фрагментированных данных, несогласованных систем и отсутствием управления данными. Без высококачественных, структурированных и доступных данных даже самые передовые алгоритмы остаются неэффективными.

Проблема усугубляется дефицитом квалифицированных кадров. В настоящее время в Германии не хватает 244 000 специалистов в области STEM (наука, технология, инженерия и математика), включая 29 500 IT-специалистов. Для специалистов в области компьютерных наук, включая специалистов по анализу данных и искусственному интеллекту, прогнозируется дефицит квалифицированных кадров в размере 18 655 человек к 2027 году. Наибольший относительный рост ожидается среди менеджеров в области проектирования IT-сетей и IT-администрирования. Компании сталкиваются с дилеммой: им необходимы экспертные знания для успешного внедрения ИИ, которых на рынке практически нет.

Дефицит в управлении изменениями является четвертой причиной неудач. Техническая реализация — это лишь половина дела. Без всестороннего управления изменениями принятие решения отходит на второй план. Компания, предоставляющая финансовые услуги, внедрила сложную систему обнаружения мошенничества, но она оказалась малоэффективной из-за отсутствия интеграции в процесс утверждения, поскольку сотрудники регулярно обходили систему. Операторы и инженеры часто скептически относятся к рекомендациям ИИ, которые не соответствуют действительности на производстве или исходят из систем типа «черный ящик», не предоставляющих прозрачного обоснования.

Неэффективное распределение ресурсов усугубляет эти структурные проблемы. Более половины бюджетов на генеративный ИИ тратится на продажи и маркетинг, хотя автоматизация внутренних процессов часто приносит более высокую отдачу. Компании гонятся за амбициозными проектами, не создав при этом фундаментальную цифровую инфраструктуру. Они строят свои проекты на идеальных демонстрационных данных, которые мгновенно рушатся в реальных условиях. Они систематически недооценивают усилия, необходимые для интеграции, обслуживания и непрерывной адаптации.

Следующие двадцать четыре месяца — это переломный момент

Следующие два года будут решающими для дальнейшего развития искусственного интеллекта в производстве и промышленности. Ряд тенденций указывает на то, что 2026 и 2027 годы станут переломным периодом, в котором четко проявят себя победители и проигравшие.

Цикл ажиотажа Gartner предполагает, что искусственный интеллект войдет в фазу разочарования в 2026 году. На этом этапе становятся очевидны ограничения и высокие затраты. Проблемы масштабирования и отсутствие жизнеспособных бизнес-моделей приводят к провалу многих проектов и исчезновению поставщиков. Однако эта фаза не является катастрофой, а скорее необходимой коррекцией рынка. Технологии, прошедшие цикл ажиотажа, достигают плато производительности после фазы разочарования, где происходит реальное создание ценности.

Динамика инвестиций указывает на потенциальный пик в середине 2026 года. Если предложение, обусловленное капиталовложениями, будет расти быстрее, чем монетизированное использование, стоимость одного токена может приблизиться к нулю. Это приведет к быстрой девальвации вновь созданных мощностей для обработки данных и вынудит к масштабным списаниям. Компаниям, которые слишком поздно поняли, что их инвестиции в ИИ не приносят прибыли, придется внести болезненные коррективы.

Одновременно с этим появляется новое поколение систем искусственного интеллекта, известных как агентный ИИ. Эти системы обладают устойчивой памятью и итеративным обучением, что напрямую решает проблему пробела в обучении, которую компании считают одним из главных препятствий. Первые эксперименты с агентами службы поддержки клиентов, которые автономно обрабатывают полные запросы, или агентами финансовых процессов, которые отслеживают рутинные транзакции, демонстрируют многообещающий потенциал. Компании, которые сейчас инвестируют в адаптивные, глубоко интегрированные системы ИИ, создают конкурентные преимущества, которые будет трудно наверстать в будущем.

Регулятивная среда также сыграет решающую роль. Закон ЕС об ИИ устанавливает обязательную правовую основу с переходными периодами от шести до 36 месяцев и потенциально существенными штрафами за несоблюдение требований. Хотя это создает обязательства по соблюдению требований и бремя документации, программа «ИИ, сделанный в Европе» может также рассматриваться как знак качества. Компании, которые внедряют требования соответствия на раннем этапе, могут позиционировать себя как пионеров в области надежного ИИ. Вопрос в том, создаст ли европейское регулирование желаемое преимущество в плане доверия или же оно в первую очередь станет конкурентным недостатком по сравнению с США и Китаем.

Что следует за разочарованием?

Нынешнее разочарование в отношении искусственного интеллекта в производстве и промышленности — это не временная трудность адаптации, а неизбежный результат завышенных ожиданий, столкнувшихся со структурно несовершенными технологиями. Системы, которые сейчас называют ИИ, — это высокотехнологичные инструменты для конкретных задач, а не универсальные средства решения проблем. Они могут распознавать закономерности в данных, но не способны мыслить систематически и логически. Они могут автоматизировать простые задачи, но не могут самостоятельно оптимизировать сложные производственные процессы. Они могут дополнять человеческий опыт, но не заменять его.

Осознание этого не означает конец инноваций в области ИИ, а скорее начало более реалистичного этапа. Компании, которые добьются успеха в ближайшие годы, — это те, кто рассматривает искусственный интеллект не как панацею, а как инструмент, требующий тщательной интеграции, постоянного обслуживания и реалистичных ожиданий. Они будут инвестировать не в амбициозные проекты, а в фундаментальные цифровые основы: качество данных, системную интеграцию, развитие навыков и управление организационными изменениями.

В ближайшие годы создание ценности будет происходить в основном в узко определенных областях применения, где вступают в игру преимущества искусственного интеллекта, распознавания образов в больших массивах данных, автоматизации повторяющихся задач и быстрой обработки структурированной информации. Прогнозируемое техническое обслуживание будет продолжать приобретать все большее значение. Контроль качества на основе компьютерного зрения получит широкое распространение. Автоматизация внутренних процессов обеспечит существенную экономию затрат. Однако концепция автономных, самооптимизирующихся заводов в обозримом будущем останется научной фантастикой.

Немецкие малые и средние предприятия переживают стратегический поворотный момент. Нынешнее нежелание инвестировать в ИИ вполне объяснимо, учитывая неутешительные результаты предыдущих проектов. Однако полный отказ от инвестиций — не выход. Компании, которые сейчас создают необходимые предпосылки — инфраструктуру данных, цифровые процессы и развитие навыков, — смогут извлечь выгоду из систем ИИ следующего поколения, когда они достигнут зрелости. Те, кто продолжает выжидать, рискуют полностью отстать.

Разочарование, связанное с искусственным интеллектом в производстве и промышленности, в конечном счете, является необходимой коррекцией завышенных ожиданий. Оно заставляет нас столкнуться с неприятными реалиями: что одни только технологии не приводят к трансформации, что организационные и человеческие факторы не менее важны, чем алгоритмы, и что устойчивое создание ценности требует времени и систематической работы. Искусственный интеллект доказал свою добавленную ценность для текста и изображений. Что касается экономической составляющей в производстве и промышленности, то это доказательство еще не получено, и остается неясным, удастся ли его предоставить и когда это произойдет.

☑️ Наш деловой язык — английский или немецкий.

☑️ НОВИНКА: Переписка на вашем национальном языке!

Konrad Wolfenstein

Я был бы рад служить вам и моей команде в качестве личного консультанта.

Вы можете связаться со мной, заполнив контактную форму или просто позвоните мне по телефону +49 89 89 674 804 (Мюнхен) . Мой адрес электронной почты: wolfenstein ∂ xpert.digital

Я с нетерпением жду нашего совместного проекта.

☑️ Поддержка МСП в разработке стратегии, консультировании, планировании и реализации.

☑️ Создание или корректировка цифровой стратегии и цифровизации.

☑️ Расширение и оптимизация процессов международных продаж.

☑️ Глобальные и цифровые торговые платформы B2B

☑️ Пионерское развитие бизнеса/маркетинг/PR/выставки.

Воспользуйтесь преимуществами обширного пятистороннего опыта Xpert.Digital в комплексном пакете услуг | НИОКР, XR, PR и оптимизация цифровой видимости — Изображение: Xpert.Digital

Xpert.Digital обладает глубокими знаниями различных отраслей. Это позволяет нам разрабатывать индивидуальные стратегии, которые точно соответствуют требованиям и задачам вашего конкретного сегмента рынка. Постоянно анализируя тенденции рынка и следя за развитием отрасли, мы можем действовать дальновидно и предлагать инновационные решения. Благодаря сочетанию опыта и знаний мы создаем добавленную стоимость и даем нашим клиентам решающее конкурентное преимущество.

Подробнее об этом здесь:

• Используйте 5-кратный опыт Xpert.Digital в одном пакете — всего от 500 евро в месяц